经典的信用债投资逻辑是在期限、品种、信用等级层面的轮动与抉择，这一框架在短周期内往往以期限利差、信用利差、比价关系作为切入点。我们希望把这种经典的分析逻辑结构化为对信用债相对价值的评价体系，并构建相应的因子与评分模型。模型将成为构建AI策略智能体的语料基础，同时在当下为主观多头策略提供参考依据。
　　模型结构：期限因子、信用因子和比价因子的平均序列结果，分数越低（即平均排名越高）则相对价值越高。各因子以短周期的均值回归为逻辑，通过计算利差的z-score作为模型输入指标。
　　策略模型回测：以二永债、普信债10年以下品种为备选池，每周选取评分最优买入，并做周度轮动。基准为等权持有全部备选品种和中债信用债指数。
　　回测结果：2023年以来四个年度区间（含2026年初至今）全部跑赢等权基准，其中三年跑赢信用债指数，反映因子在长周期下整体的稳健性与有效性。以周度正超额定义胜率，则策略的胜率在多数年份超过60%，且平均周度均较等权基准有正超额，仅在2025年弱于信用债指数。如果以周度正收益定义胜率，今年达到80%以上。
　　分年复盘：24年累计收益10.09%，924期间模型实现从7Y降到3Y以缓解回撤程度，但曲线的期限利差压缩程度并未到达极致，因而策略未能选到1Y防御。
　　25年累计收益1.43%，年初切换短久期的信号亮点值得关注，但三季度出现较大回撤，主要由于市场长时间调整出现较大信用利差，叠加比价关系结构性转变导致中长期二永品种利差偏离明显，使因子策略过早地买入了利差走阔品种。
　　26年截至8月累计收益4.05%，策略成功回避二永的两次回撤，二季度策略配置长端普信的仓位仍然获得较高收益且回撤程度较小。
　　截面区分能力验证：分层回测显示因子对表现好的品种选择能力较强，高因子层收益较高且具有单调性，但对尾部品种区分度有限。策略选取的平均久期为5Y品种，但回测显示，模型选取的结果均优于等权持有5Y品种的收益与回撤，说明模型并非简单的配置中长久期，其择时过程具有规避回撤与追涨行情的能力。
　　面对大级别调整的3个方向改进：1.限制久期在5Y及以内，回测显示久期控制可降低熊市回撤，但丧失牛市捕捉增长机会。2.波动率加入到打分体系内，牛市年份损失收益减少，且在25年明显回调市则显示出了一定抗回撤能力。3.久期中性化方法将信用因子与久期在截面上回归的残差作为新的信用因子，25年收益有一定改善，但结果对回归时的截面品种选取较敏感。
　　预测力检验：模型在187周的ICIR达到0.55，具有一定预测力，且合成模型强于单因子独立表现。
　　风险提示。1.模型风险。2.交易成本风险。3.数据局限性。